增强现实下SUSAN-SURF快速匹配算法：高效与鲁棒性能

本文主要探讨了"面向增强现实的SUSAN-SURF快速匹配算法"，针对增强现实应用中对图像匹配算法的高速度、高精度和抗干扰性能需求，研究人员提出了一种新颖的算法。该算法结合了SUSAN角点检测技术和SURF特征描述方法。SUSAN是一种角点检测器，它能有效地定位图像中的关键点，并生成特征点的主方向，而SURF（Speeded Up Robust Features）则提供了稳定的局部特征描述，这些描述符用于识别和匹配不同图像中的相同特征点。 算法的核心步骤包括： 1. **SUSAN角点检测**：首先，使用SUSAN算法定位图像中的显著点，这些点在增强现实中用于建立现实与虚拟内容之间的对应关系。 2. **SURF特征描述**：在定位到的角点上，计算SURF特征描述符，这些描述符具有旋转不变性和尺度不变性，有助于识别不受光照变化和噪声影响的特征。 3. **随机K-D树搜索**：通过构建随机K-D树，加速了邻近点的查找过程，同时考虑了摄像机姿态变化带来的影响，确保了匹配的准确性。 4. **初匹配与相似度度量**：利用点积作为相似度度量方法，进行初步的匹配，找出可能的对应关系。 5. **误匹配剔除**：通过统计特征点间的距离误差，快速识别并剔除不准确的匹配结果，得到最终的同名点集。 实验结果显示，该算法在单个特征点匹配上的时间消耗显著低于传统的SURF算法，约为其23.4%。同时，匹配正确率提高了9.7个百分点，显示出更好的性能。此外，算法对光照变化和噪声的鲁棒性较强，适应性强，能满足增强现实系统对于图像匹配的严格要求，如实时性、精度和抗干扰能力。 该研究工作由彭勃宇、王崴、周诚和刘晓卫四位作者共同完成，他们分别来自空军工程大学防空反导学院，研究领域涵盖了增强现实、机器视觉、人工智能以及机电数字化设计等多个方面。他们的研究成果对于提高增强现实系统的性能和用户体验具有重要意义。